• Introducción
• Escribir en R
• Buenas prácticas
• Uso colaborativo

Introducción

R es un lenguaje y entorno de programación especializado en:

Análisis estadístico, visualización de datos y ciencia de datos.

Utilizado por investigadores, analistas y científicos para explorar, modelar y comunicar información basada en datos de forma eficiente y reproducible.

Lo que vas a aprender:

• Mejorar la comprensión y la práctica estadística.

• Desarrollar habilidades en programación en R.

• Aprender flujos de trabajo eficientes, limpios y reproducibles.

• Saber buscar información

• No enredarse en errores

Lo que no vas a aprender

1. A programar en plan pro sin mirar internet o chatgpt

2. A hacer páginas web

3. A dejar de pelearte con la estadística

Objetivos de la clase

R y Rtudio

R → Es el lenguaje de programación y el motor que realiza los cálculos estadísticos y el análisis de datos.

RStudio → Es un entorno de desarrollo integrado (un programa) que facilita el uso de R con una interfaz amigable, paneles, autocompletado y herramientas visuales.

¿Qué puede hacer R?

R es una calculadora

Puede leer tablas, generarlas, guardarlas

Hacer estadística compleja (y sobre todo basada en biología)

Crear páginas webs, gráficos interactivos, presentaciones,

Crear nuevos paquetes de R

Hacer funciones

Workflow: lo básico básico

Es una calculadora

2 + 3     

[1] 5

10 - 4    

[1] 6

3 * 5     

[1] 15

20 / 4    

[1] 5

Acumular información

La magia de los objetos

x <- 10    
y <- 5
suma <- x + y
suma

[1] 15

suma + 7

[1] 22

Espera, pero ¿qué son los objetos?

Los objetos empiezan por una letra

Son sensibles a mayusculas

Tienen que llevar nombres coherentes y un orden

yo_uso_la_serpiente <- 10
OtraGenteUsaElCamello <- 9
otra.gente.usa.los.puntos <- 9
Hayque_evitar.esto10 <- 2

Tipos de objetos

Hay muuchos tipos de objetos - numéricos - caracteres - matrices, tablas - listas - modelos - polígonos - funciones

numero <- 1:10
numero

 [1]  1  2  3  4  5  6  7  8  9 10

caracter <- "del uno al diez"
caracter

[1] "del uno al diez"

#numero * caracter

Vectores y operaciones

numeros <- c(1, 2, 3, 4, 5) 
otros_numeros <- 1:40
otros_numeros

 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
[26] 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

otros_numeros + 10

 [1] 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
[26] 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

promedio <- mean(numeros)
promedio

[1] 3

promedio * numeros

[1]  3  6  9 12 15

numeros / otros_numeros

 [1] 1.00000000 1.00000000 1.00000000 1.00000000 1.00000000 0.16666667
 [7] 0.28571429 0.37500000 0.44444444 0.50000000 0.09090909 0.16666667
[13] 0.23076923 0.28571429 0.33333333 0.06250000 0.11764706 0.16666667
[19] 0.21052632 0.25000000 0.04761905 0.09090909 0.13043478 0.16666667
[25] 0.20000000 0.03846154 0.07407407 0.10714286 0.13793103 0.16666667
[31] 0.03225806 0.06250000 0.09090909 0.11764706 0.14285714 0.02777778
[37] 0.05405405 0.07894737 0.10256410 0.12500000

Generadores de distribuciones

# Consecutivos del 1:10
1:10

 [1]  1  2  3  4  5  6  7  8  9 10

# Un vector de 5 números aleatorios con distribución uniforme
runif(5)

[1] 0.1231105 0.5209919 0.7822661 0.1913035 0.1018627

# Ahora que 3 números vayan del 0 al 100
runif(3, min=0, max=100)

[1] 99.94671 88.45470 86.99718

# 4 números con una distribución normal
rnorm(4)

[1]  1.1167599 -0.4799958  1.8701499 -0.7472303

# Especificando la media y la desviación
x <- rnorm(400, mean=50, sd=10)

# Sample = elegir 3 bolas de un bingo en el que hay 100
sample(0:100, 3, replace=TRUE) 

[1] 20  1 61

# Generador de secuencias: del 0 al 100 cada 10
seq(0, 100, 10)

 [1]   0  10  20  30  40  50  60  70  80  90 100

Crear funciones

Las funciones son aplicaciones que nos permiten realizar operaciones muy diversas.

• Funciones que vienen con la distribución base de R o en los paquetes
• Crear nuestras propias funciones con function().
• Asignarle un nombre
• indicar argumentos
• escribir entre llaves el código

Ejemplo de funciones

# Queremos la media de nuestros números transformados a logaritmo

vector <- seq(1, 100, 10)
mean (log (vector))

[1] 3.380067

sd (log (vector))

[1] 1.355705

vector2 <- seq(1, 300, 50)
mean (log (vector2))

[1] 4.065497

sd (log (vector2))

[1] 2.069674

log_vect <- function (y) {
  mean_y <- mean (log (y+1))
  sd_y <- sd (log (y+1))
  print(paste("La media es", mean_y, ", la desviación estándar es:", round(sd_y,2)))
  return(log(y))
}

vector3 <- seq(1, 300, 4)
distribution = log_vect (vector3)

[1] "La media es 4.70839604852934 , la desviación estándar es: 0.98"

hist(distribution)

Ayuda, Pipes, shortcuts

# Ayudas
?mean           # abre la ayuda de una función
help(mean)      # lo mismo que '?mean'
??"normal"      # búsqueda más amplia en toda la documentación
example(mean)   # muestra ejemplos prácticos

mean> x <- c(0:10, 50)

mean> xm <- mean(x)

mean> c(xm, mean(x, trim = 0.10))
[1] 8.75 5.50

# También vale buscar en google "function mean in R"